基因表达转图像学习的空间结构与保真度权衡

2026年10月14日，arXiv Artificial Intelligence 刊出 Xiaoqing Lian 等作者的研究，考察基因表达转图像（GE2I）的学习机制。研究在固定网络与训练流程、使用全转录组数据的条件下，比较不同映射方式。结果显示，空间平滑性与基因级保真度之间存在权衡：结构化映射会产生平滑的低频模式，早期优化更快，但多个基因共用一个像素会掩盖表达差异，并可能降低预测性能。一对一基因到像素分配在测试的多种视觉骨干网络上均提升预测表现，即使图像平滑度下降；而预训练与数据增强带来的收益，则取决于骨干网络与映射方式。该研究为理解 GE2I 中空间结构与信息保真度的取舍提供了实验依据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。